Embassy-rs项目中STM32 ADC通道选择问题的技术分析
2025-06-01 23:17:11作者:幸俭卉
问题背景
在嵌入式开发中,模数转换器(ADC)是常用的外设之一,用于将模拟信号转换为数字信号。在embassy-rs项目中,针对STM32系列微控制器的ADC驱动实现存在一个潜在的问题,特别是在通道选择方面。
问题描述
在STM32 L0系列微控制器的ADC实现中,发现通道选择逻辑可能存在错误。具体表现为:
- 当使用PA4引脚作为ADC输入时,代码将通道号4直接写入寄存器
- 但根据STM32参考手册,ADC通道选择寄存器(CHSELR)需要的是位掩码形式,即1<<n,而不是直接的通道号
技术细节分析
ADC通道选择寄存器结构
STM32的ADC通道选择寄存器(CHSELR)是一个位掩码寄存器,每个位对应一个通道:
- 位0:通道0选择
- 位1:通道1选择
- ...
- 位18:通道18选择
要选择某个通道,需要将对应位置1,而不是写入通道号本身。
当前实现的问题
当前代码中,impl_adc_pin!宏定义如下:
macro_rules! impl_adc_pin {
($inst:ident, $pin:ident, $ch:expr) => {
impl crate::adc::AdcChannel<peripherals::$inst> for crate::peripherals::$pin {}
impl crate::adc::SealedAdcChannel<peripherals::$inst> for crate::peripherals::$pin {
#[cfg(any(adc_v1, adc_l0, adc_v2, adc_g4, adc_v4))]
fn setup(&mut self) {
<Self as crate::gpio::SealedPin>::set_as_analog(self);
}
fn channel(&self) -> u8 {
$ch
}
}
};
}
问题出在channel()方法直接返回了通道号,而没有转换为位掩码形式。
正确的实现方式
根据STM32 HAL头文件定义,正确的做法应该是返回1<<n的位掩码:
#define ADC_CHSELR_CHSEL4_Pos (4U)
#define ADC_CHSELR_CHSEL4_Msk (0x1UL << ADC_CHSELR_CHSEL4_Pos) /*!< 0x00000010 */
#define ADC_CHSELR_CHSEL4 ADC_CHSELR_CHSEL4_Msk /*!< Channel 4 selection */
因此,Rust实现应该修改为:
fn channel(&self) -> u8 {
1 << $ch
}
底层寄存器访问分析
在embassy-rs的寄存器访问层,set_chselx方法的实现是正确的:
pub fn set_chselx(&mut self, n: usize, val: bool) {
assert!(n < 19usize);
let offs = 0usize + n * 1usize;
self.0 = (self.0 & !(0x01 << offs)) | (((val as u32) & 0x01) << offs);
}
这个方法已经正确处理了位操作,只需要传入正确的通道号即可。问题在于上层提供的通道号格式不正确。
影响范围
这个问题可能影响以下STM32系列:
- ADCv1版本
- ADCv2版本
- ADCv4版本
- STM32L0系列
- STM32G4系列
解决方案建议
- 修改
impl_adc_pin!宏,使其返回位掩码而非直接通道号 - 或者修改
read方法,在写入寄存器前将通道号转换为位掩码 - 更新相关文档,明确通道选择的使用方式
总结
在嵌入式开发中,对硬件寄存器的精确操作至关重要。STM32的ADC通道选择需要特别注意寄存器格式要求。这个问题提醒我们在开发硬件抽象层时,必须仔细对照芯片参考手册,确保寄存器访问的正确性。同时,良好的文档和注释也能帮助开发者避免类似的错误。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248